机器学习
关注
分享
扫一扫
w317672256
这个作者很懒，什么都没留下…
展开
-
ML_12 Sum-Produkt Networks 和积网络
他的特别指出：目标是概率的建模：概率分布完整表达边缘概率和模型更有效率的计算边缘效率和模型更有效率的学习对概率模型的要求：更有效率的推理理解性更强->现在他只能有一定条件的满足概率模型的种类bayessches Netz一定的相关性推导NP（非确定性算法，需要把问题分解成猜测和验证两部分，同时多项式时间可以解决所以加了一个C）Markov Netz是相关性Sum-...原创 2019-07-29 05:15:44 · 820 阅读 · 0 评论 -
MLII_09 CNN(II)
用CNN能实现FCN干的事情么不完全能通过Segmentierung不能区别Objektinstanzen图片又上传不了了他不能把所有汽车分别区分出来，只能把很多个汽车一起区分粗来所以停车的空隙就不好识别Objektdetektion klassisch传统的识别路线选择感兴趣区域导出特征通过分类器区分这一区域的东西是什么区域选择的方法sliding windows+pyr...原创 2019-07-28 00:53:46 · 177 阅读 · 0 评论 -
MLII_08 CNN
Fully Convoluntional Networks (FCN)在卷积层转化为全连接层网络近似于同样的输入大小，不丢失像素细节会使用PaddingAusgabe eines FCN会输出每一个种类的概率值，然后跳出概率最大的那一类他会给出一副图片每个像素点或者区域对应的种类区域的大小取决于网络结构最小情况就是像素界别大多数情况都是44或者3232大小的Implizites...原创 2019-07-27 19:50:56 · 172 阅读 · 0 评论 -
ML_05 CNN
卷积的公式要逆转一下然后点乘卷积后的图像大小同时如果我们在mm大小的图像用nn的卷积核之后会得到（m+n-1）平方大小的图像Faltung anschaulich卷积后图像看上去确实没什么变化，会把重要特征都保留下来缺少一个图为什么要用CNN用KNN的话就会需要很多的w100个像素点的话每一个Neuron在第一层就会有100个w。50个Neuron的话就5000个w，而且不是每个...原创 2019-07-27 05:34:41 · 141 阅读 · 0 评论 -
ML_04 neuronale Netze 神经网络
Perzeption 感知机 算法，这个看一下李航 统计学习方法 里面讲的很好理解1. gegeben Lerndatenmenge PUN 一直学习数据正例和反例2. Erzeuge der Gewichtsvektor w 随机生成w参数3. während Zähler < Schwellenwert:4. Wähle ein Trainingsbeispiel x in P...原创 2019-07-27 02:50:23 · 169 阅读 · 0 评论 -
ML_3 决策树 Entscheidungsbäume
这章就屡一下公式以及适用的方法ID3–非增量过程entropie 根据标签生成熵计算每一个属性的熵之和相减最大的Gewinn对应的属性最优+Occam’s Razor+尽可能简单的结构，而ID3生成的树很容易很复杂Overfitting 如果出现噪声，容易OverfittingC4.5–改变了ID3通过生成的规则（剪枝）由于Gewinn的方法，使得最优的属性更偏向于数据较少的一...原创 2019-07-26 03:18:36 · 144 阅读 · 0 评论 -
ML_10贝叶斯Bayes
参考了周志华机器学习李航 统计学习方法和课件曾志军 机器学习（中译本）原理贝叶斯是统计学习过程结合了先验知识和观测数据，与极大似然法的区别就是，贝叶斯会根据新增案例来改变模型，而极大似然法不会。分类voting gibbs （optimaler Bayes-Klassifikator）naiver bayes-klassifikatorbayessche netze他也用于半监督...原创 2019-07-25 21:25:47 · 189 阅读 · 0 评论 -
ML_02 归纳学习
来自周志华机器学习和课件这章更多概念理解和计算Was ist Induktion(归纳)一个个实例有逻辑的总结成一般规律的过程叫归纳Was ist Deduktion（推演）将正确的理论也就是一般规律应用于个体当中例子就是知识，我们利用知识的原理来解决具体问题就是推演Konzeptlernen：例子？：jeder Wert ist akzeptabel#：kein Wert is...原创 2019-07-25 04:39:34 · 133 阅读 · 0 评论 -
MLI_09 HMM(隐马尔可夫模型)
HMM 隐马尔可夫模型总结（来源-李航-统计学习方法和学校课件）可用于标注问题的统计学习模型定义HMM 是关于时序的概率模型，描述有一个隐藏的马尔科夫链生成不可观测的状态随机序列，再由各个状态生成一个观测而产生观测随机序列的过程。HMM随机生成的状态序列 state sequence每个状态生成一个观测，所有观测组成——观测序列 oberservation sequence。λ=（A...原创 2019-07-25 02:48:54 · 730 阅读 · 0 评论 -
ML_II Deep Belief Networks 深度信念网络
有向图模型azyklischer Graph mit stochastischen Variablen两个问题：推到问题学习问题对于所有隐藏的结构很难去推断得到后验概率如果一个事件的产生是两个属性共同决定，从观察的角度来说推理出来那两个共同决策很难如果知道后验概率分布，好求但是未知的情况下，引入了RBM（Restricted boltzmann Machine）他还是先忽略相关性...原创 2019-07-28 02:17:17 · 160 阅读 · 0 评论